马春杰杰最近在看YOLO V3，关于卷积层数量这块，记得论文中说使用的是Darknet53，照理说应该只有53层，但是实际查看输出的话，是75层，也就是说，YOLO V3实际使用的网络层数为75层卷积层。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 |
3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BF 3 x 3 / 2 416 x 416 x 32 -> 208 x 208 x 64 1.595 BF 1 x 1 / 1 208 x 208 x 64 -> 208 x 208 x 32 0.177 BF 3 x 3 / 1 208 x 208 x 32 -> 208 x 208 x 64 1.595 BF 3 x 3 / 2 208 x 208 x 64 -> 104 x 104 x 128 1.595 BF 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BF 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BF 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BF 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BF 3 x 3 / 2 104 x 104 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 3 x 3 / 2 52 x 52 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 3 x 3 / 2 26 x 26 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BF 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BF 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BF 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BF 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BF 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BF 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BF 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BF 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 255 0.088 BF 1 x 1 / 1 13 x 13 x 512 -> 13 x 13 x 256 0.044 BF 1 x 1 / 1 26 x 26 x 768 -> 26 x 26 x 256 0.266 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BF 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BF 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 255 0.177 BF 1 x 1 / 1 26 x 26 x 256 -> 26 x 26 x 128 0.044 BF 1 x 1 / 1 52 x 52 x 384 -> 52 x 52 x 128 0.266 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BF 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BF 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 255 0.353 BF |
这就是YOLO V3的卷积层，可以看到确实是75层，在这些层中，前面的层跟论文中是一致的：
![[mcj]YOLO V3的卷积层数量](https://ypyssl.machunjie.com/machunjie/20190905143116.png_machunjie.png)
其实后面就是上采样预测的事儿了~~
the same problem,看答案，感谢
the same problem,看答案，感谢
看答案，谢谢
看答案，感谢
看答案，感谢
解决了我的问题
看文章内模型的表现很不错，但是都是外国人，不知道用于国内老年人的年龄预测表现如何？
来看下大神的方法，我也遇到同样的问题